「自動化」科技未來大趨勢物流業、物聯網IoT、自動車、圖像識別｜STEM教室

更新時間：14:00 2024-07-31
發佈時間：14:00 2024-07-31

每個人一天只得24小時，但我們總是覺得有些人的一天好像特別長，所以他們看似完成了很多事情。當然，良好的時間管理能讓人更好地利用有限的時間，但是假如配合科技，我們或可把時間效益最大化。現今科技講求自動和快捷，目的就是想令我們的生活過得更便利和更有效率，就讓我們看看「自動化」如何應用在生活的不同層面吧！

物流自動化——提升貨物運輸效率

近年網上購物十分流行，要做到迅速及準確送貨，物流上的確需要「升級」來應付龐大貨物流量。面對勞動力供應的減少，要處理日漸增加的電子商務或購物，物流行業除了要增加倉庫等儲存空間，還要更靈活地存取貨物，而供應鏈自動化便可以紓緩這個問題。

運用機械向高空發展

為應付龐大的物流量，倉庫不但要更加廣闊，還須向上發展，如以多層式貨架做到高密度儲存方式。然而，我們身高有限，要把貨物放到高處，就需要機械協助。現時大部分的倉庫管理系統，除了設有基本的火警監測及滅火系統外，還有自動化的通道及輸送設備系統。通過配送中心設定，起重機和堆垛機等會自動在存儲通道上下左右移動，配合機械臂拿取或放置貨物，就能快速地把物品放到正確的地方，省卻人們走動的時間。

除了毋須人手協助的穿梭車，一些倉庫設計令貨架可移動，更有效地最大化可用空間，還能在卸貨或取貨時移動到機器容易到達的地方，從而令上落貨過程更有效率。

高密度儲存方式

貨架除了水平擴展，還可垂直發展，只要運用不同機械，配合中央管理，貨物就能自動地儲放到適當位置，而移動式或重型組合貨架亦有助存取貨物的效率。（BPS Global Group圖片）

揀貨系統節省人力

除了存放，分揀系統的優化亦有助物流管理，一個好的自動揀貨系統能夠減少人力需求，同時提高吞吐量。要取代人力，最常見就是以機械人擔任，而自主型移動機械人能在收到定單後，準確處理每個重複程序，利用貨到人裝配技術，結合倉儲系統資料，機械人就能在每小時完成超過一千項揀貨作業。另外，電子標籤亦能幫助揀貨，配以標示燈及確認按鈕等，可提示揀貨人員前往指定位置；當然，運用物聯網亦有助提升工作效率。

物聯網——聯繫所有物件

提及物聯網，你知道這其實是甚麼嗎？我們經常說互聯網，就是電腦網絡之間的大型系統，而物聯網就是連結所有物品的大型網絡。

物品資料數碼化方便遙控

以家居用品為例，我們平日回家後，要自己手動手開啟家居電器，如電視機、冷氣機等等，但物聯網的應用是可以通過電子及機械設備，再配合數碼計算及溝通系統，這樣我們就可以在回家前以手機遙控預先開動冷氣，回到家時就能馬上享受涼快的空間了。

原理是，每樣連接着的物件都有一個通用唯一辨識碼，把物品資料數碼化後，這樣就能做到物件之間數位資訊的相互交流；同樣的原理，可以運用在物流行業上，如果貨物和運輸工具之間能夠相互聯繫和溝通，就能進一步減少對人力資源的需求，理論上亦能提升貨物運輸的準確度。

物聯網概念圖

自動車——智慧與安全的平衡

要把物件操作自動化，除了物聯網，最受關注的科技莫過於自動車或無人駕駛技術。我們乘搭飛機或地鐵，其實大部分路程都是自動控制，只有一些如飛機起飛或地鐵到站時才須人手操作或監控。然而，這些自動駕駛技術很大程度取決於航路和鐵路基本上都有固定路綫，只要設計得宜，飛機或地鐵自動駕駛是安全的。

訓練電腦辨認資料

至於自動車，因街道上同時有行人及其他車輛，所以要設計一輛能夠應付不同情況的自動車並不容易；首要問題是須辨認道路上哪裏有人、哪裏有其他汽車，又或是各式各樣的障礙物，單純把攝像鏡頭安裝在車上，就只能接收到路面情況而不能再作分析。由於人腦設計相當複雜，要讓電腦像人們一樣眼看四方，即時辨認物件是十分困難。

不過隨着人工智能的發展，我們可以「訓練」電腦，將「看到」和「辨認到」的資料再作分析，接着再下達適當指令；例如相機「看到」紅燈後，通過人工智能「辨認到」這是一盞紅燈，然後電腦就會啟動剎車系統把車停下。

Tesla自動駕駛技術實地測試

圖右的方格就是電腦能夠辨認到的東西。（Tesla官網圖片）

全自動駕駛技術未完美？

電動汽車龍頭之一Tesla近年研發了一種高級輔助駕駛系統——八個圍繞着車輛的鏡頭及十二個超聲波探測器作360度觀察，對距離的感知準確度十分高；利用資訊配合 Autopilot自動輔助駕駛技術，便能做到自動駕駛、變道及泊車等。然而，即使運用了高端技術，仍須要司機全程監控以應付突發情況，加上過往曾發生意外，雖然未必完全與自動駕駛有關，但亦令大眾對此技術有所保留。因此要真正做到全自動駕駛，以至一些相關的智慧城市設計，似乎還是有一些距離。

人工智能——圖像識別應用廣泛

我們近年常說人工智能（AI），究竟它能做到甚麼呢？其中一項最常見的應用可能就是圖像辨識。

人手篩選易有誤差

剛才提及的無人駕駛，就是要車輛「辨認到」一些如車、人、樹木等圖像。除了無人駕駛，其實很多範疇也須要應用圖像辨識，例如大規模生產貨品時，以往要篩走不及格的瑕疵品時，往往需要工人手動辨認，耗費大量人力資源，人們亦有可能在長時間工作下失去專注，看漏了次貨。日本食品加工廠Kewpie就引入了有「圖像識別」技術的機器，當它「看到」了有不符合標準的蔬菜時，能夠即時自動暫停生產綫，從而協助工作人員快速並準確地找到劣質貨品。

機械人Kismet

人工智能從了協助自動化工序外，也嘗試模仿人類思考及情感，而Kismet就是一個能以表情展示社交能力的機械人。（維基百科圖片）

醫學領域辨識特徵

其實「圖像識別」技術亦對科研起了很大作用，例如科學家想分析醫學圖像，從圖像中辨認變異細胞，但有時肉眼亦未能輕易看得出變異的位置。假如利用人工智能技術，預先把已經知道有變異或沒有變異的細胞圖片給電腦學習，電腦就能夠從圖片中抽取一些有用的數碼資訊和特徵，而當我們再給予電腦一張未知有沒有變異的圖片時，電腦就能自動從圖片中尋找有沒有該些特徵，從而做到識別。

模擬思考媲美人類？

當然，人工智能的應用不止於圖像識別，而是希望能夠模擬到人類的思考，在感知（Perception）、認知（Cognition），甚至創造力（Creativity）方面，都呈現人腦般的智慧，因此電腦視覺、機器學習等概念，以至天然災害預測、垃圾郵件辨識等自動化應用，都是人們正在不斷研究的課題。

凡事「自動化」……
現今人類生活能夠如此便捷，其中一大原因是「自動化」的結果。通過機械以及電腦學習，它們能夠快速和準確地做到不少重複性的動作，減省勞動力及時間。自動化操作可以做到更多，例如人工智能做到辨識，甚至預測的工作，這對於我們的生活看似百利而無一害。當然，凡事都有兩面，自動化的背後或會淘汰某類型職業，而一些圖像識別技術亦有可能侵犯私隱。
因此，科技是否真的能夠惠及人類，很大程度還是在於我們怎樣運用這些自動化的科技。